論文の概要: Precise Liver Tumor Segmentation in CT Using a Hybrid Deep Learning-Radiomics Framework

• arxiv url: http://arxiv.org/abs/2512.07574v1
• Date: Mon, 08 Dec 2025 14:09:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.916528
• Title: Precise Liver Tumor Segmentation in CT Using a Hybrid Deep Learning-Radiomics Framework
• Title（参考訳）: ハイブリッドDeep Learning-Radiomics フレームワークを用いたCTにおける肝腫瘍切離の高精度化
• Authors: Xuecheng Li, Weikuan Jia, Komildzhon Sharipov, Alimov Ruslan, Lutfuloev Mazbutdzhon, Ismoilov Shuhratjon, Yuanjie Zheng,
• Abstract要約: 本稿では,注目度の高いU-Netと,手作りラジオミクスとボクセルワイド3DCNNの改良を併用したハイブリッドフレームワークを提案する。 2.5Dの2段階ネットワークは、密結合エンコーダ、サブピクセル畳み込みデコーダ、マルチスケールアテンションゲートを備え、初期肝と腫瘍の確率マップを生成する。 AlexNetから派生したコンパクトな3DパッチベースのCNNは、腫瘍境界付近の狭い帯域で動作し、ボクセルレベルのリラベリングと輪郭の平滑化を行う。
• 参考スコア（独自算出の注目度）: 5.499971648188868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate three-dimensional delineation of liver tumors on contrast-enhanced CT is a prerequisite for treatment planning, navigation and response assessment, yet manual contouring is slow, observer-dependent and difficult to standardise across centres. Automatic segmentation is complicated by low lesion-parenchyma contrast, blurred or incomplete boundaries, heterogeneous enhancement patterns, and confounding structures such as vessels and adjacent organs. We propose a hybrid framework that couples an attention-enhanced cascaded U-Net with handcrafted radiomics and voxel-wise 3D CNN refinement for joint liver and liver-tumor segmentation. First, a 2.5D two-stage network with a densely connected encoder, sub-pixel convolution decoders and multi-scale attention gates produces initial liver and tumor probability maps from short stacks of axial slices. Inter-slice temporal consistency is then enforced by a simple three-slice refinement rule along the cranio-caudal direction, which restores thin and tiny lesions while suppressing isolated noise. Next, 728 radiomic descriptors spanning intensity, texture, shape, boundary and wavelet feature groups are extracted from candidate lesions and reduced to 20 stable, highly informative features via multi-strategy feature selection; a random forest classifier uses these features to reject false-positive regions. Finally, a compact 3D patch-based CNN derived from AlexNet operates in a narrow band around the tumor boundary to perform voxel-level relabelling and contour smoothing.
• Abstract（参考訳）: 造影CTによる肝腫瘍の正確な3次元描出は, 治療計画, ナビゲーション, 反応評価の必要条件である。 自動セグメンテーションは、低病変・発作性コントラスト、ぼやけた境界または不完全な境界、不均一な拡張パターン、血管や隣接する臓器などの混在構造によって複雑である。 本報告では,手作りラジオミクスと3D CNNリファインメントを併用した,肝-肝-肝-腫瘍セグメンテーションのためのハイブリッドフレームワークを提案する。 第一に、密結合エンコーダ、サブピクセル畳み込みデコーダ、マルチスケールアテンションゲートを備えた2.5D二段ネットワークは、軸方向スライスの短いスタックから、初期肝臓と腫瘍の確率マップを生成する。 次に、スライス間の時間的一貫性は、頭蓋-耳道方向に沿った単純な3つのスライス精細規則によって強制され、孤立した雑音を抑えながら、細い病変を回復する。 次に、強度、テクスチャ、形状、境界およびウェーブレットの特徴群にまたがる728個の放射線ディスクリプタを候補病変から抽出し、マルチストラテジー特徴選択により安定かつ高情報性の高い特徴を20個に減らし、ランダム森林分類器はこれらの特徴を用いて偽陽性領域を拒絶する。 最後に、AlexNetから派生したコンパクトな3DパッチベースのCNNは、腫瘍境界付近の狭い帯域で動作し、ボクセルレベルのリラベリングと輪郭の平滑化を行う。

関連論文リスト

• T-MPEDNet: Unveiling the Synergy of Transformer-aware Multiscale Progressive Encoder-Decoder Network with Feature Recalibration for Tumor and Liver Segmentation [0.3402843082585062]
  腫瘍と肝臓の自動分割のためのトランスフォーマー対応マルチスケールプログレッシブデコーダネットワーク(T-MPEDNet)を提案する。 Transformerにインスパイアされたダイナミックアテンション機構は、空間領域内の長距離コンテキスト関係をキャプチャする。 T-MPEDNetは、それぞれ97.6%のDice similarity Coefficients(DSC)と89.1%の肝臓と腫瘍のセグメンテーションを達成している。
  論文  参考訳（メタデータ） (2025-07-25T18:03:29Z)
• Landmark-Free Preoperative-to-Intraoperative Registration in Laparoscopic Liver Resection [50.388465935739376]
  術前の3Dモデルを術中2Dフレームにオーバーレイすることで肝臓の空間解剖を明瞭に把握し,より高い手術成功率を達成することができる。 既存の登録法は解剖学的ランドマークに大きく依存しており、2つの大きな制限に直面している。 本稿では,効果的な自己教師型学習を生かした,目覚ましくない術前・術中登録フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-21T14:55:57Z)
• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• Attention-based CT Scan Interpolation for Lesion Segmentation of Colorectal Liver Metastases [2.680862925538592]
  大腸癌 (CRLM) に共通する小肝病変は, 畳み込みニューラルネットワーク (CNN) セグメンテーションモデルでは困難である。 我々は,CTスキャンにおける連続3重スライスから中間スライスを生成する,教師なしアテンションベースモデルを提案する。 モデルの出力は元の入力スライスと一致し、2つの最先端3Dセグメンテーションパイプラインにおけるセグメンテーション性能を向上する。
  論文  参考訳（メタデータ） (2023-08-30T10:21:57Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• A unified 3D framework for Organs at Risk Localization and Segmentation for Radiation Therapy Planning [56.52933974838905]
  現在の医療ワークフローは、OAR(Organs-at-risk)のマニュアル記述を必要とする 本研究は,OARローカライゼーション・セグメンテーションのための統合された3Dパイプラインの導入を目的とする。 提案手法は医用画像に固有の3Dコンテキスト情報の活用を可能にする。
  論文  参考訳（メタデータ） (2022-03-01T17:08:41Z)
• SCPM-Net: An Anchor-free 3D Lung Nodule Detection Network using Sphere Representation and Center Points Matching [47.79483848496141]
  3次元球面表現に基づく中心点マッチング検出ネットワーク(SCPM-Net)を提案する。 アンカーフリーで、nodule/anchorパラメータを手動で設計することなく、nodulesの位置、半径、オフセットを自動的に予測する。 提案するSCPM-Netフレームワークは,既存のアンカーベースおよびアンカーフリーの肺結節検出法と比較して,優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-04-12T05:51:29Z)
• Automatic Segmentation of Organs-at-Risk from Head-and-Neck CT using Separable Convolutional Neural Network with Hard-Region-Weighted Loss [10.93840864507459]
  鼻咽頭癌 (Nasopharyngeal Carcinoma, NPC) は, 北極, 中国, 東南アジア, 中東/北アフリカにおける頭頸部癌(HAN)の進行型である。 不確実性のあるCT画像からのOrgans-at-Risk(OAR)の正確なセグメンテーションは、NPC治療のための放射線治療を効果的に計画するために重要である。 本稿では,信頼性の高い不確実性推定を伴う高精度OARセグメンテーションのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-03T06:31:38Z)
• D-Net: Siamese based Network with Mutual Attention for Volume Alignment [3.00948372643855]
  D-netは分岐したシームズエンコーダ-デコーダ構造の拡張であり、新しい相互非局所リンクで接続される。 3D CTスキャン間の任意の回転と翻訳を推定する新しいネットワーク D-net を提案する。 その結果,CTアライメントの精度が向上し,現在の同等の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-01-25T17:24:16Z)
• Convolutional 3D to 2D Patch Conversion for Pixel-wise Glioma Segmentation in MRI Scans [22.60715394470069]
  畳み込み3Dから2次元MRパッチ変換モデルにより,新しい画素ワイドセグメンテーションフレームワークを考案する。 本アーキテクチャでは, 局所スライス特性とグローバルスライス特性を併用して, 中央ボクセルのクラスラベルを推定する。
  論文  参考訳（メタデータ） (2020-10-20T20:42:52Z)
• Weakly-supervised Learning For Catheter Segmentation in 3D Frustum Ultrasound [74.22397862400177]
  超音波を用いた新しいカテーテルセグメンテーション法を提案する。 提案手法は,1ボリュームあたり0.25秒の効率で最先端の性能を実現した。
  論文  参考訳（メタデータ） (2020-10-19T13:56:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。